利用requests-html在python3.7下批量下載論文

改編自CSDN博主嗨學(xué)編程的文章我用 Python 抓取了 7000 多本電子書
關(guān)于requests-html
requests-html0.1.0
中文文檔
requests-html0.2.0

#-*- coding:utf-8 -*-
# python3.7   requests-html2.0 pycharm
import requests_html
import requests
import random
import sys

HOMEURL = "http://www.padsweb.rwth-aachen.de/wvdaalst/publications/"
session = requests_html.Session()
list_url = 'http://www.padsweb.rwth-aachen.de/wvdaalst/publications/publications.html'

USER_AGENTS = [
    "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_7_3) AppleWebKit/535.20 (KHTML, like Gecko) Chrome/19.0.1036.7 Safari/535.20",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.71 Safari/537.1 LBBROWSER",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/535.11 (KHTML, like Gecko) Chrome/17.0.963.84 Safari/535.11 LBBROWSER",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.1; WOW64; Trident/5.0; SLCC2; .NET CLR 2.0.50727; .NET CLR 3.5.30729; .NET CLR 3.0.30729; Media Center PC 6.0; .NET4.0C; .NET4.0E)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
    "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 5.1; Trident/4.0; SV1; QQDownload 732; .NET4.0C; .NET4.0E; 360SE)",
    "Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; QQDownload 732; .NET4.0C; .NET4.0E)",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.1 (KHTML, like Gecko) Chrome/21.0.1180.89 Safari/537.1",
    "Mozilla/5.0 (iPad; U; CPU OS 4_2_1 like Mac OS X; zh-cn) AppleWebKit/533.17.9 (KHTML, like Gecko) Version/5.0.2 Mobile/8C148 Safari/6533.18.5",
    "Mozilla/5.0 (Windows NT 6.1; Win64; x64; rv:2.0b13pre) Gecko/20110307 Firefox/4.0b13pre",
    "Mozilla/5.0 (X11; Ubuntu; Linux x86_64; rv:16.0) Gecko/20100101 Firefox/16.0",
    "Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.11 (KHTML, like Gecko) Chrome/23.0.1271.64 Safari/537.11",
    "Mozilla/5.0 (X11; U; Linux x86_64; zh-CN; rv:1.9.2.10) Gecko/20100922 Ubuntu/10.10 (maverick) Firefox/3.6.10"
]


# 獲取頁面中所有可以下載的論文名及鏈接中的名字
# 如文件名Timed coloured Petri nets and their application to logistics.pdf
#     鏈接中的名字:publicationsp7.pdf file
def get_list(url):
    response = session.get(url)
    all_link = response.html.find('#main a')  # 獲取頁面所有圖書詳情鏈接
    # <a href="p7.pdf">Timed coloured Petri nets and their application to logistics.</a>
    for link in all_link:
    # for i in range(1,30):
    #     link=all_link[i]
        href = link.attrs['href']
        hrefText = link.text
        if '.pdf' in href:
            # 處理含有多個'/'的情況牙寞,取最后一個斜杠后的部分
            pdfName = str(hrefText).split('/')[-1] + ".pdf"
            if '?' in pdfName:
                pdfName = pdfName.replace('?', '')
            url = HOMEURL + str(href)
            download(pdfName, url)


# 下載論文
def download(pdfName, url):
    # 隨機瀏覽器 User-Agent
    headers = {"User-Agent": random.choice(USER_AGENTS)}
    # 獲取文件名
    filename = url.split('/')[-1]
    print("filename:", filename, "fileName:", pdfName)
    # 如果 url 里包含 .pdf
    if ".pdf" in url:
        file = 'd://books/' + pdfName  # 文件路徑寫死了,運行時當(dāng)前目錄必須有名 book 的文件夾
        try:
            with open(file, 'wb') as f:
                print("正在下載 %s" % filename)
                response = requests.get(url, stream=True, headers=headers)

                # 獲取文件大小
                total_length = response.headers.get('content-length')
                # print("鏈接:",url)
                # print('response.content:',response.content)
                # print(requests.get(url))
                # 如果文件大小不存在,則直接寫入返回的文本
                if total_length is None:
                    f.write(response.content)
                    # print("文件為空:",pdfName,"\t",url,'\t',response.content)
                else:
                    # 下載進度條
                    dl = 0
                    total_length = int(total_length)  # 文件大小
                    for data in response.iter_content(chunk_size=4096):  # 每次響應(yīng)獲取 4096 字節(jié)
                        dl += len(data)
                        f.write(data)
                        done = int(50 * dl / total_length)
                        sys.stdout.write("\r[%s%s]" % ('=' * done, ' ' * (50 - done)))  # 打印進度條
                        sys.stdout.flush()
        except IOError as e:
            print(e)
        else:
            print(filename + '下載完成!')


if __name__ == '__main__':
    get_list(list_url)

安裝requests-html過程中出現(xiàn)的問題

1、cannot import name 'HTMLSession' from 'requests_html' (C:\Users\owlish\AppData\Local\Programs\Python\Python37\lib\site-packages\requests_html.py)
很尷尬吮便,我的文件名叫“requests.py”,和關(guān)鍵字沖突,改個名就行了拼弃。
2、pycharm安裝后找不到本地已經(jīng)安裝的模塊

創(chuàng)建虛擬環(huán)境

繼承全局包

如圖摇展,創(chuàng)建了一個虛擬環(huán)境就行了吻氧,并勾選“Inherit global site-packages”。仿佛是因為安裝目錄在c盤咏连,權(quán)限不夠盯孙。

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市祟滴,隨后出現(xiàn)的幾起案子振惰,更是在濱河造成了極大的恐慌,老刑警劉巖垄懂,帶你破解...
    沈念sama閱讀 222,104評論 6 515
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件骑晶,死亡現(xiàn)場離奇詭異,居然都是意外死亡埠偿,警方通過查閱死者的電腦和手機透罢,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,816評論 3 399
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來冠蒋,“玉大人羽圃,你說我怎么就攤上這事。” “怎么了朽寞?”我有些...
    開封第一講書人閱讀 168,697評論 0 360
  • 文/不壞的土叔 我叫張陵识窿,是天一觀的道長。 經(jīng)常有香客問我脑融,道長喻频,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 59,836評論 1 298
  • 正文 為了忘掉前任肘迎,我火速辦了婚禮甥温,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘妓布。我一直安慰自己姻蚓,他們只是感情好,可當(dāng)我...
    茶點故事閱讀 68,851評論 6 397
  • 文/花漫 我一把揭開白布匣沼。 她就那樣靜靜地躺著狰挡,像睡著了一般。 火紅的嫁衣襯著肌膚如雪释涛。 梳的紋絲不亂的頭發(fā)上加叁,一...
    開封第一講書人閱讀 52,441評論 1 310
  • 那天,我揣著相機與錄音唇撬,去河邊找鬼它匕。 笑死,一個胖子當(dāng)著我的面吹牛局荚,可吹牛的內(nèi)容都是我干的超凳。 我是一名探鬼主播愈污,決...
    沈念sama閱讀 40,992評論 3 421
  • 文/蒼蘭香墨 我猛地睜開眼耀态,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了暂雹?” 一聲冷哼從身側(cè)響起首装,我...
    開封第一講書人閱讀 39,899評論 0 276
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎杭跪,沒想到半個月后仙逻,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 46,457評論 1 318
  • 正文 獨居荒郊野嶺守林人離奇死亡涧尿,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 38,529評論 3 341
  • 正文 我和宋清朗相戀三年系奉,在試婚紗的時候發(fā)現(xiàn)自己被綠了。 大學(xué)時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片姑廉。...
    茶點故事閱讀 40,664評論 1 352
  • 序言:一個原本活蹦亂跳的男人離奇死亡缺亮,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出桥言,到底是詐尸還是另有隱情萌踱,我是刑警寧澤葵礼,帶...
    沈念sama閱讀 36,346評論 5 350
  • 正文 年R本政府宣布,位于F島的核電站并鸵,受9級特大地震影響鸳粉,放射性物質(zhì)發(fā)生泄漏。R本人自食惡果不足惜园担,卻給世界環(huán)境...
    茶點故事閱讀 42,025評論 3 334
  • 文/蒙蒙 一届谈、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧弯汰,春花似錦疼约、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,511評論 0 24
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至汤踏,卻和暖如春织鲸,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背溪胶。 一陣腳步聲響...
    開封第一講書人閱讀 33,611評論 1 272
  • 我被黑心中介騙來泰國打工搂擦, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人哗脖。 一個月前我還...
    沈念sama閱讀 49,081評論 3 377
  • 正文 我出身青樓瀑踢,卻偏偏與公主長得像,于是被迫代替她去往敵國和親才避。 傳聞我的和親對象是個殘疾皇子橱夭,可洞房花燭夜當(dāng)晚...
    茶點故事閱讀 45,675評論 2 359